第5章-计算机控制系统的离散状态空间设计课件.ppt

《第5章-计算机控制系统的离散状态空间设计课件.ppt》由会员分享，可在线阅读，更多相关《第5章-计算机控制系统的离散状态空间设计课件.ppt（61页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第5章 计算机控制系统的 离散状态空间设计本章主要内容：1 状态空间描述的基本概念 2 2 采用状态空间模型的极点配置设计3 3 采用状态空间模型的最优化设计5/31/2023 1 状态空间设计法是建立在矩阵理论基础上、采用状态空间模型对多输入多输出系统进行描述、分析和设计的方法。用状态空间模型能够分析和设计多输入多输出系统、非线性、时变和随机系统等复杂系统，可以了解到系统内部的变化情况。并且这种分析方法便于计算机求解。5/31/2023 251 状态空间描述的基本概念1.离散时间系统的状态空间描述 设连续的被控对象的状态空间表达式 在 作用下，系统的状态响应为其中 为系统的状态转移矩阵。取，

2、考虑到零阶保持器的作用，有则（511）（51）（513）（51）5/31/2023 3作变量置换，令：由此可得系统连续部分的离散化状态空间表达式其中：式中：为 维状态向量，为 维控制向量，为 维输出向量，为 维状态转移矩阵，为 维输入矩阵，为 维输出矩阵。（51）（51）（51）5/31/2023 4可用迭代法求得，即：以k0，1，代入式（516）离散时间系统状态方程的解5/31/2023 5离散时间系统的能控性 描述的系统，如果存在有限个控制信号，能使系统从任意初始状态转移到终态，则系统是状态完全能控的。、写成矩阵形式 能控性定义：对于式根据状态方程的解，有5/31/2023 6则、有解的充

3、分必要条件，也即系统的能控性判据为 式中:n为系统状态向量的维数。得到输出的能控性条件为 式中:r 为输出向量的维数。5/31/2023 7描述的系统，如果能根据有限个采样信号，确定出系统的初始状态，则系统是状态完全能观的。离散时间系统的能观性、能观性定义：对于式根据状态方程的解，从0到 时刻，各采样瞬时的观测值为：5/31/2023 8写成矩阵形式 则 有解的充分必要条件，即系统的能观性判据为 式中n为系统状态向量的维数。5/31/2023 952 采用状态空间模型的极点配置设计 图52 按极点配置设计的控制器状态空间模型按极点配置设计的控制器由两部分组成：一部分是状态观测器，它根据所量测到

4、的输出 重构出状态；另一部分是控制规律，它直接反馈重构的状态，构成状态反馈控制。根据分离性原理，控制器的设计可以分为两个独立的部分：一是假设全部状态可用于反馈，按极点配置设计控制规律；二是按极点配置设计观测器。5/31/2023 101 按极点配置设计控制规律 设被控对象的离散状态空间表达式为 控制规律为线性状态反馈 假设反馈的是被控对象实际的全部状态x(k)得闭环系统的状态方程为 作Z变换 显然，闭环系统的特征方程为 图5-3 状态反馈系统结构图 5/31/2023 11如何设计反馈控制规律，以使闭环系统具有所期望的极点配置？首先根据对系统的性能要求，找出所期望的闭环系统控制极点，再根据极点

5、的期望值，求得闭环系统的特征方程为 反馈控制规律应满足如下的方程 如果被控对象的状态为 维，控制作用为 维，则反馈控制规律为 维，即 中包含 个元素。5/31/2023 12例5-1 对于单输入系统，给定二阶系统的状态方程设计状态反馈控制规律，使闭环极点为解 根据能控性判据，因 所以系统是能控的。期望的闭环特征方程为 设状态反馈控制规律 5/31/2023 13取，比较两边同次幂的系数，有可得：即状态反馈控制规律为 闭环系统的特征方程为 5/31/2023 142 按极点配置设计状态观测器 在实际工程中，采用全状态反馈通常是不现实的。常用的方法是设计状态观测器，由测量的输出值 重构全部状态，实

6、际反馈的只是重构状态。即 常用的状态观测器有三种。图5-4 状态观测器结构图5/31/2023 15状态重构误差的动态性能取决于特征方程根的分布。若状态重构误差为：得状态重构误差方程为：预报观测器的特征方程：的特性是快速收敛的，则对于任何初始误差，都将快速收敛到零。因此，只要适当地选择增益矩阵，便可获得要求的状态重构性能。预报观测器观测器方程5/31/2023 16如果给出观测器的极点，可求得观测器的特征方程 为了获得所需要的状态重构性能，应有 通过比较两边z的同次幂的系数，可求得 中的n个未知数。对于任意的极点配置，具有唯一解的充分必要条件是对象是完全能观的。5/31/2023 17现时观测

7、器观测器方程 状态重构误差为 状态重构误差方程：5/31/2023 18现时观测器特征方程：为使现时观测器具有期望的极点配置，应有 同理，通过比较两边z的同次幂的系数，可求得K 中的n个未知数。降阶观测器 将原状态向量分成两部分，一部分是可以直接测量的，一部分是需要重构的。5/31/2023 19被控对象的离散状态方程可以分块表示为 即比较得：5/31/2023 20观测器方程:状态重构误差方程：降阶观测器特征方程：同理，使，通过比较两边z的同次幂的系数，可求得K 中的n个未知数。5/31/2023 213 按极点配置设计控制器 1）控制器组成 设被控对象的离散状态空间描述为控制器由预报观测器

8、和状态反馈控制律组成，即2）分离性原理闭环系统的状态方程为 矩阵形式：5/31/2023 22闭环系统的特征方程为 可见，闭环系统的2n个极点由两部分组成，一部分是按极点配置设计的控制规律给定的n个极点，称为控制极点，另一部分是按极点配置设计的状态观测器给定的n个极点，称为观测器极点。两部分相互独立，可分别设计。5/31/2023 233）数字控制器实现设状态反馈控制规律为代入预报观测器方程观测器与控制规律的关系 得控制器的脉冲传递函数为 将脉冲传递函数转换为差分方程，就可以在计算机上实现数字控制器。5/31/2023 24，无阻尼自然频率；观测器极点所对应的衰减速度比控制极点所对应的衰减速度

9、快约3倍。例53 设被控对象的传递函数为，采样周期，采用零阶保持器，试设计状态反馈控制器，要求：闭环系统的性能相应于二阶连续系统的阻尼比解 被控对象的等效微分方程为 定义两个状态变量 5/31/2023 25则被控对象的连续状态空间表达式离散状态空间表达式其中：5/31/2023 26判断被控对象的能控性和能观性 因此，被控对象是能控且能观的。根据能控性判据和能观性判据 设计状态反馈控制规律 设状态反馈控制规律为，对应的特征方程为 5/31/2023 27根据对闭环极点的要求，对应的极点和特征方程为由，可得解得L12，L20.317，即5/31/2023 28 设计状态观测器 选用现时观测器，

10、设观测器增益矩阵为 现时观测器的特征方程为 依题意：对应的特征方程为5/31/2023 29解得，即 由，可得 组成控制器 其中，。5/31/2023 3053 采用状态空间模型的最优化设计针对随机系统按最优化方法设计控制器。假定被控对象是线性的，系统性能指标是状态和控制的二次型函数，则系统的综合问题就是寻求允许的控制信号序列，使性能指标函数最小，这类问题称为线性二次型（Linear Quadratic）控制问题。如果考虑系统中随机的过程干扰和量测噪声，且过程干扰和量测噪声均是具有正态分布的白噪声，这类问题称为线性二次型高斯（Linear Quadratic Gaussian）控制问题。5/3

11、1/2023 31 最优控制器也是由两部分组成，一部分是状态最优估计器；另一部分是最优控制规律。图55 最优调节器结构图 其设计也可分为两个独立的部分：一是将系统看作确定性系统；二是考虑随机的过程干扰 v 和量测噪声w，设计状态最优估计器。5/31/2023 321 最优控制规律设计 有限时间最优调节器设计设连续被控对象的离散化状态方程为 初始条件给定二次型性能指标函数 线性二次型最优控制的任务是寻求最优控制序列（k0，1，N1），在把初始状态x(0)转移到x(N)的过程中，使性能指标函数最小。5/31/2023 33 求解二次型最优控制问题可采用变分法、动态规划法等方法。这里采用离散动态规划

12、法来进行求解。动态规划法的基本思想是：将一个多级决策过程转变为求解多个单级决策优化问题，这里需要决策的是控制变量（k0，1，N1）。令二次型性能指标函数 其中：iN1、N2、0。下面从最末一级往前逐级求解最优控制序列。5/31/2023 34 首先求解，以使 最小。求 对u(N1)的一阶导数并令其等于零：由上式和连续被控对象的离散化状态方程，有5/31/2023 35进一步求得最优的控制决策为其中得依次，可求的、。、其中5/31/2023 36计算 公式归纳：最优性能指标为 满足上式的最优控制一定存在且是唯一的。其中利用以上公式可以逆向递推计算出S(k)和L(k)。5/31/2023 37无限

13、时间最优调节器设计设被控对象的状态方程为 当N时，其性能指标函数简化为 其中 是非负定对称阵，是正定对称阵。假定F，G是能控的，且F，D是能观的，其中D为能使DTDQ1成立的任何矩阵。计算机控制系统的最优设计，最经常碰到的是离散定常系统终端时间无限的最优调节器问题。当终端时间N时，矩阵S(k)将趋于某个常数，因此可得到定常的最优反馈增益矩阵L，便于工程实现。5/31/2023 38存在，且是与 无关的常数阵。或：的解，那么对于任何非负定对称阵，有设S(k)是如下的黎卡堤（Riccati）方程 可以证明有以下几点结论：5/31/2023 39 稳态控制规律 是使上面性能指标函数J极小的最优反馈控

14、制规律，最优性能指标函数为 所求得的最优控制规律使得闭环系统是渐近稳定。S是如下的黎卡堤代数方程 或：的唯一正定对称解。5/31/2023 40 该结论说明了：当满足上述结论中所给条件时，最优的反馈控制规律是常数阵；并且使得闭环系统是渐近稳定的。同时该结论也指出了计算最优反馈控制规律的途径，它既可以通过直接黎卡堤代数方程求解，也可以通过迭代法解黎卡堤差分方程求得。同时也可以看出，结论条件“是正定对称阵”可以放宽到“是正定对称阵”。5/31/2023 41例54 考虑离散系统：其中：设计最优控制器，使性能指标：最小。5/31/2023 42解 选 和，。通过MATLAB仿真，可解得两种情况下的最

15、优反馈增益矩阵为：(a)权矩阵 较小的情况(b)权矩阵 较大的情况 5/31/2023 43解 选，和。通过MATLAB仿真，可解得两种情况下的最优反馈增益矩阵为：(a)权矩阵 较小的情况(b)权矩阵 较大的情况 5/31/2023 442 状态最优估计器设计 目前有许多状态估计方法，这里介绍Kalman滤波器。设被控对象的离散状态空间表达式为 其中：x(k)为n维状态向量，u(k)为m维控制向量，y(k)为r维输出向量，v(k)为n维过程干扰向量，w(k)为r维测量噪声向量。假设v(k)和w(k)均为离散化处理后的高斯白噪声序列，且有设V为非负定对称阵，W为正定对称阵，并设v(k)和w(k)

16、不相关。1）Kalman滤波公式的推导5/31/2023 45 由于系统中存在随机的干扰v(k)和随机的量测噪声w(k)，因此系统的状态向量x(k)也是随机向量，y(k)是能够量测的输出量。若记x(k)的估计量为问题：如何根据输出量y(k)估计出x(k)则：为状态的估计误差，因而 为状态估计的协方差阵。显然P(k)为非负定对称阵。这里估计的准则为：根据量测量y(k)，y(k1)，最优地估计出，以使P(k)极小（因P(k)是非负定对称阵，因此可比较其大小）。这样的估计称为最小方差估计。5/31/2023 46根据最优估计理论，最小方差估计为 即x(k)最小方差估计等于在直到k时刻的所有量测量y的

17、情况下x(k)的条件期望。引入更一般的记号 若，表示根据直到现时刻的量测量来估计过去时刻的状 态，称为内插或平滑；，表示根据直到现时刻的量测量来估计将来时刻的状态，称为预报或外推；，表示根据直到现时刻的量测量来估计现时刻的状态，称为滤波。这里所讨论的状态最优估计问题即是指滤波问题。5/31/2023 47引入如下记号；k1时刻的状态估计；k1时刻的状态估计误差；k1时刻的状态估计误差协方差阵；一步预报估计；一步预报估计误差；一步预报估计误差误差协方差阵同样，如：；k时刻的状态估计 5/31/2023 48求一步预报误差 根据前面的定义，上式中第一项为，是输入到控制对象的确定量，因此上式中的第二

18、项为。第三项中、均与 不相关，则第三项为零。求得一步预报方程为 5/31/2023 49根据上式，可求得一步预报估计误差为 可进一步求得一步预报误差的协方差阵为 简化为 5/31/2023 50 该估计器方程具有明显的物理意义。式中第一项 是 的一步最优预报估计，它是根据直到 时刻的所有量测量的信息而得到的关于 的最优估计。式中第二项是修正项，它是根据最新的量测信息 对最优预报估计进行修正。在第二项中 其中 称为状态估计器增益，或Kalman滤波器增益。设x(k)的最小方差估计具有如下的形式是关于量测量 的一步预报估计。5/31/2023 51是关于量测量的一步预报误差，它包含了最新量测量的信

19、息。因此x(k)的最小方差估计所表示的最优状态估计可以看成是一步最优预报与最新量测量信息的加权平均，其中增益矩阵 可认为是加权矩阵。从而问题变为如何合适地选择，以获得的最小方差估计，即使得状态估计误差的协方差 为最小。现在的问题变为：寻求，以使 极小。5/31/2023 52极小。J表示 的各个分量的方差之和，因而它是标量。可以证明，使 极小等价于使如下的标量函数 由以上公式，可得 的状态估计误差为 5/31/2023 53进一步求得状态估计误差的协方差阵为 由于 与 不相关，因此交叉相乘项的期望值为零。取，使 为，变为 5/31/2023 54其中 如果 能使 取极小值，那么，对于任意的增量

20、 均应有。则必须有 5/31/2023 55Kalman滤波公式归纳 和 给定，k1，2，若Kalman滤波增益矩阵已知，则根据以上公式递推计算出状态最优估计，k1，2，。可见，为获得状态的最优估计，关键是需要事先计算出Kalman滤波增益矩阵。5/31/2023 56 给定参数F、C、V、W和，给定迭代计算总步数N，置 k1；计算P(k|k1)；计算；计算；如果kN，转（7），否则，转（6）；kk1转（2）；输出 和，k1，2，N。2）Kalman滤波增益矩阵 的计算5/31/2023 57例5-6 已知控制对象的离散状态方程为其中 已知 和 均为均值为零的白噪声序列，且它们互不相关，和 的

21、协方差阵分别为 取，计算Kalman滤波增益矩阵。5/31/2023 58解：根据上述Kalman滤波增益阵计算流程，迭代计算出不同过程噪声水平下的滤波增益矩阵 如图。图 58 例56系统的Kalman滤波增益矩阵 可以看出，中的各个元素随着 的增大而增大，它说明控制对象受到的干扰愈大，依靠模型来进行预报的准确性愈低，从而更需要利用量测来进行修正。也可以看出，是一个时变增益矩阵，但当增大到一定程度后，将趋于一个常数值。5/31/2023 593 LQG最优控制器设计设连续控制对象的离散状态方程为 由状态最优估计器和最优控制规律组成的控制器方程为可见，设计最优控制器的关键是计算Kalman滤波器增益K和求最优控制规律L。5/31/2023 60 闭环系统的调节性能取决于最优控制器，而最优控制器的设计又依赖于控制对象的模型（矩阵A，B，C），干扰模型（协方差阵V，W）和二次型性能指标函数中加权矩阵（Q0，Q1，Q2）的选取。控制对象模型的获取可通过机理方法、实验方法和过程辨识的方法。Kalman滤波增益矩阵的计算取决于过程干扰方差阵V和量测噪声方差阵W，而最优控制规律L的计算又取决于加权矩阵。在设计计算过程中，一般凭经验试凑给出V、W和加权矩阵，通过计算不断调整，逐步达到满意的调节性能。5/31/2023 61